两块校正结合滤子线搜索解带有等式约束的非线性优化问题

提出使用两块校正方法结合滤子线搜索策略求解带等式约束的非线性规划问题,滤子方法的使用避免了使用罚函数法时每次确定罚参数的困难,并且证明了在一定的假设条件下该算法的整体收敛性．数值计算结果表明本算法有效。     

基于简单二次函数模型的滤子非单调信赖域算法

对无约束最优化问题提出了一个基于简单二次函数模型的非单调滤子信赖域算法。算法在信赖域试探步不被接受时,采用滤子技术,增大试探步被接受的可能性;如果此试探步也不能被滤子集接受,则用固定的公式取搜索方向,并沿此搜索方向进行非单调Wolfe线搜索得到步长,从而产生新的迭代点。该算法不需要重解子问题,减少了计算量。在较少的条件下,证明了算法的全局收敛性。初步的数值试验表明了算法的有效性。     

解变分不等式问题的一类滤子SQP算法

针对一般形式的变分不等式问题,考虑将其转化为约束优化问题求解.对于这种特定的约束优化问题,提出了一类新的滤子序列二次规划(SQP)求解方法.基于变分不等式与约束优化问题的不同,在滤子条件中采用了一个二次价值函数作为目标函数,使得一般的变分不等式问题均可用滤子算法求解.采用SQP方法结合滤子方法获取试探步,只需要计算两个简单不等式判断试探步,算法易实现,计算量小.在较弱的条件下证明了算法的全局收敛性.最后,给出了算法的数值算例,与同类算法比较,结果良好.     

一类多维滤子信赖域方法的收敛性

滤子方法是一类无需罚函数的方法,它具有良好的数值结果,因此近年来该方法已应用于各种优化问题的求解中。基于滤子方法的有效性和信赖域技巧的强适性,提出了一个多维的滤子信赖域方法,该方法在一定程度上避免了Marotos效应。本文针对这类多维滤子信赖域方法的收敛性进行讨论,得到了该算法是可行并且是全局收敛的,使得新的算法能够得以有效的应用。     

非线性等式优化的一种非单调SQP滤子算法

SQP滤子方法是解非线性规划的一种较为有效的方法,但是滤子方法也会遇到M aratos效应.采用非单调技术来避免M aratos效应,并采用降维的Byrd和Omojokun方法来计算试探步.在一定条件下,给出了全局收敛性证明,数值试验表明该算法有效.     

用NCP函数滤子法求解极大极小问题

针对极大极小问题提出了一种新的滤子方法,此方法结合了序列二次规划方法。通过引入滤子概念,避免了罚函数法中罚参数选择的困难。同时还利用NCP函数构造滤子,使得最优点满足非线性互补条件。证明算法具有全局收敛性。数值计算结果表明算法有效。     

基于滤子技术的非线性互补问题的Derivative-Free算法

由于滤子技术有很高的应用价值,并能得到很好的数值结果,近来滤子法被广泛用来处理非线性规划问题.论文提出了一种新的解决非线性互补问题的Derivative-Free滤子算法,该算法在单调性的假设下能全局收敛于非线性互补问题的解.     

求解非线性方程组的非单调滤子算法

提出了一个新的求解非线性方程组的滤子算法,首先把非线性方程组的求解转化成一个非线性优化问题,然后借助非单调技术和滤子技术求解该问题,从而得到了原方程组的解.在适当的条件下,证明了该算法的全局收敛性,初步的数值试验表明了该算法的有效性.     

一种求解极大极小问题的灵活非单调滤子方法

求解极大极小问题的灵活非单调滤子方法与传统的滤子方法相比,对于试探步的可接受性,该方法具有更大的灵活性,而且与单调型方法相比,计算量更小.此外,还利用一个自适应参数来调整接受准则,从而在一定程度上避免了Maratos效应.在合理的假设下,该算法具有全局收敛性,并且通过数值实验验证了该方法的有效性.     

无约束优化问题的多重滤子线搜索信赖域方法

结合多重滤子、线搜索和非单调技术,对无约束优化问题提出新的非单调信赖域算法.当试验点迭代不成功时,采用多重滤子线搜索,尽量减少重新求解信赖域子问题的次数,从而降低了计算量.在一定的条件下,给出新算法的全局收敛性证明.     

具有差分进化算子的社会蜘蛛群优化算法

[目的]社会蜘蛛群优化算法 (SSO) 是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域.但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高.[方法]将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能.[结果]差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度.[结论]本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性.     

反重叠变换的快速算法及其FPGA实现

常用的反重叠变换算法运算复杂度较大，难以在FPGA中应用。根据DCT_IV的正交性和对称性，提出了基于M／2点FFT蝶形运算的反重叠变换快速算法。进一步分析了算法的复杂度，采用并行处理和流水线技术完成了反重叠变换快速算法的硬件设计和FGPA实时实现。     

一种改进的自适应滤波算法及其在回波对消中的应用

提出一种改进的自适应滤波算法，它通过选择自适应滤波器的系数更新时间间隔，在系统的收敛速度与计算量之间取得折衷；算法在每次系数更新时，利用了系统过去时刻数据并将频域批处理技术运用到算法计算中,大大加快了算法的收敛速度并且降低了计算复杂度,从而克服了LMS算法收敛速度慢以及仿射投影算法(APA)、递归最小二乘算法(RLS)计算量大的缺点.将所提算法应用于声回波对消中,仿真实验结果证实了其优点.     

反重叠变换的快速算法及其FPGA实现

常用的反重叠变换算法运算复杂度较大，难以在FPGA中应用。根据DCT_IV的正交性和对称性，提出了基于M/2点FFT蝶形运算的反重叠变换快速算法。进一步分析了算法的复杂度，采用并行处理和流水线技术完成了反重叠变换快速算法的硬件设计和FGPA实时实现。     

多核CPU环境下的并行遗传算法的研究

多核CPU已经成为当前CPU市场上的主流产品,设计适应多核CPU环境的算法与软件势在必行.遗传算法是一种具有很强通用性的全局搜索方法,也是一种计算量大、极耗计算资源的算法,其传统的串行计算形式并不能充分利用多核的计算资源,将其设计为适应多核CPU环境的并行计算形式,具有重要的现实意义.将遗传算法的基本操作设计成并行执行形式,并利用OpenMP将其线程化,从而对不同规模的TSP问题的求解结果来看,加速比与计算效率随着规模的增大而提高.     

一种改进的直接求解声回波消除算法

本文在直接求解声回波消除法的基础上,提出一种改进的直接求解声回波消除算法。该算法将估计的输入信号自相关矩阵做平均处理近似为Toeplitz矩阵,从而可利用Toeplitz线性方程组的快速算法直接求解正则方程，大幅降低了原直接求解法的计算量。同时仿真表明该改进算法仍具有较好的声回波消除效果,尤其是在有强背景噪声时具有稳健的性能     

两维直线度误差的算法

提出一种计算两维直线度误差的快速算法,此算法符合“最小条件”,经过编程运算,速度快、效率高．     

MIMO下预编码辅助空间调制的接收天线选择

预编码辅助空间调制(pre-coding aided spatial modulation,PSM)通过激活接收天线的索引在空间域中传输信息比特。将接收天线选择(receive antenna selection,RAS)技术引入到PSM系统中,可以提高PSM系统的性能。在传统的PAS算法中,穷举搜索算法的系统性能最优,但穷尽搜索会导致其计算复杂度较高;快速RAS算法的计算复杂度较低,但其系统性能较差。因此,针对PSM系统的RAS算法,需要寻找一个折中的方案以适用于实际的通信系统。通过利用信道矩阵的最大和最小特征值(maximum and minimum eigenvalue,MME),设计了MME-RAS算法。分析和仿真结果表明,该算法相比于快速RAS算法计算复杂度略有提升,但可以使系统性能提高1 dB左右;相比于穷举搜索算法可以使计算复杂度降低70%以上,并且其系统性能接近于穷举搜索算法。     

基于均模型的IBCF算法研究

基于项目的协同过滤（item—basedcollaborativefiltering，IBCF）算法推荐精度高，实现简单，易于用于实际系统，然而因Item向量过长，计算相似性十分耗时。针对这一问题，从Item向量过长入手，提出了一种均模型表示Item向量的方法，缩短计算相似性的时间。在MovieLens数据集上进行对比，实验表明，该算法在推荐精度基本保证的情况下，能有效缩短计算时间，降低时间复杂度。此外，本文还指出上述优化相似性计算方法可进一步优化来提高推荐精度和满足实际应用要求。     

基于树形搜索的NOMA系统功率分配算法

功率分配是影响非正交多址接入(non-orthogonal multiple access,NOMA)系统性能的一个重要因素.传统树形搜索功率分配算法在吞吐量方面虽然能达到全搜索算法的性能,但该算法具有较高的计算复杂度,而固定功率分配算法和分数阶功率分配算法虽然计算复杂度低,但不能达到较好的吞吐量性能.为了解决这个问题,提出了一种基于树形搜索的递增功率分配算法.该算法以最大化用户吞吐量的几何平均作为目标函数,采用功率递增的分配方式,将用户分配到树形模型中,并对用户逐层搜索筛选,根据给定的功率系数标准和吞吐量标准,舍去多余节点,保留幸存节点,直到完成所有用户的功率分配.仿真结果表明,该算法的吞吐量性能与全搜索算法相比,在没有明显下降的情况下,较大地降低了计算复杂度.